論文の概要: Frozen-to-Paraffin: Categorization of Histological Frozen Sections by the Aid of Paraffin Sections and Generative Adversarial Networks

• arxiv url: http://arxiv.org/abs/2012.08158v1
• Date: Tue, 15 Dec 2020 09:09:15 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-07 05:29:24.453057
• Title: Frozen-to-Paraffin: Categorization of Histological Frozen Sections by the Aid of Paraffin Sections and Generative Adversarial Networks
• Title（参考訳）: Frozen-to-Paraffin: Paraffin セクションと生成側ネットワークによる組織凍結部の分類
• Authors: Michael Gadermayr, Maximilian Tschuchnig, Lea Maria Stangassinger, Christina Kreutzer, Sebastien Couillard-Despres, Gertie Janneke Oostingh, Anton Hittmair
• Abstract要約: 凍結したセクションの品質は一般的に低く、ミス分類の比率が高くなる。 甲状腺癌の分類における自動意思決定支援手法に対するセクションタイプの影響を検討した。
• 参考スコア（独自算出の注目度）: 0.49259062564301753
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In contrast to paraffin sections, frozen sections can be quickly generated during surgical interventions. This procedure allows surgeons to wait for histological findings during the intervention to base intra-operative decisions on the outcome of the histology. However, compared to paraffin sections, the quality of frozen sections is typically lower, leading to a higher ratio of miss-classification. In this work, we investigated the effect of the section type on automated decision support approaches for classification of thyroid cancer. This was enabled by a data set consisting of pairs of sections for individual patients. Moreover, we investigated, whether a frozen-to-paraffin translation could help to optimize classification scores. Finally, we propose a specific data augmentation strategy to deal with a small amount of training data and to increase classification accuracy even further.
• Abstract（参考訳）: パラフィンセクションとは対照的に、凍結セクションは外科的介入によって迅速に生成される。 この術式では, 術中の組織学的所見を待ち, 組織学的結果に基づいて術中決定を下すことができる。 しかし、パラフィン部に比べ、凍結部の品質は一般的に低いため、ミス分類の比率は高い。 本研究は,甲状腺癌分類における自動判定支援アプローチに対するセクションタイプの影響について検討した。 これは、個々の患者のためのセクションのペアからなるデータセットによって実現されました。 さらに,凍結パラフィン翻訳が分類スコアの最適化に役立つかどうかを検討した。 最後に,少量のトレーニングデータに対処し,さらに分類精度を高めるための具体的なデータ拡張戦略を提案する。

関連論文リスト

• Super resolution of histopathological frozen sections via deep learning preserving tissue structure [0.0]
  病理組織学的凍結切片の超解像に対する新しいアプローチを提案する。 我々のディープラーニングアーキテクチャは、補間された画像と実際の画像の間の誤りを学習することに焦点を当てている。 既存の手法と比較して、構造類似度指数 (SSIM) とピーク信号-雑音比 (PSNR) の面で大幅に改善された。 提案手法は, 画像試料の高分解能を保ちながら, より高速な凍結断面積撮影を実現する大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2023-10-17T09:52:54Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• Tissue Classification During Needle Insertion Using Self-Supervised Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
  針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。 トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
  論文  参考訳（メタデータ） (2023-04-26T14:11:04Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• MS Lesion Segmentation: Revisiting Weighting Mechanisms for Federated Learning [92.91544082745196]
  フェデレートラーニング(FL)は医用画像解析に広く用いられている。 FLのパフォーマンスは、多発性硬化症(MS)病変セグメンテーションタスクに制限される。 2つの効果的な再重み付け機構によるFLMS病変分割フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-03T14:06:03Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• A Deep Learning-Based Approach to Extracting Periosteal and Endosteal Contours of Proximal Femur in Quantitative CT Images [25.76523855274612]
  セグメンテーションタスクのために,3次元の終端(3D)完全畳み込みニューラルネットワークを開発した。 同一のネットワーク構造を持つ2つのモデルが訓練され、それぞれ腹腔内輪郭と内皮輪郭に対して97.87%と96.49%のサイコロ類似係数(DSC)を達成した。 大腿骨頚部骨折のリスク予測や有限要素解析などの臨床応用の可能性を示した。
  論文  参考訳（メタデータ） (2021-02-03T10:23:41Z)
• Uncertainty-driven ensembles of deep architectures for multiclass classification. Application to COVID-19 diagnosis in chest X-ray images [8.103053617559748]
  最近の新型コロナウイルスのパンデミックは、肺炎の診断を自動化するシステムの開発システムの必要性を示している。 CNNは、医療画像の自動分類に優れた選択肢であることが証明されている。 ベイズ深層学習に基づく多段階アンサンブル分類システムを提案する。
  論文  参考訳（メタデータ） (2020-11-27T14:06:25Z)
• Glioma Classification Using Multimodal Radiology and Histology Data [0.41883694872353855]
  グリオーマを,オリゴデンドログリオーマ,アストロサイトーマ,グリオ芽腫の3つのサブタイプに分類するパイプラインを提案する。 分類アルゴリズムは, CPM-RadPath 2020 チャレンジで提供されるデータセットを用いて評価した。
  論文  参考訳（メタデータ） (2020-11-10T21:38:26Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。